智能問題的建模

1、 智能計算也有人稱之為“軟計算”,是人們受自然(生物界)規(guī)律的啟迪,根據(jù)其原理,模仿求解問題的算法。 利用仿生原理進(jìn)行設(shè)計(包括設(shè)計算法),這就是智能計算的思想！ 智能算法一般用來解決最優(yōu)化問題。 最優(yōu)化問題主要包括： 求解一個函數(shù)中，使得函數(shù)值最小的自變量取值的函數(shù)優(yōu)化問題； 在一個解空間里面，尋找最優(yōu)解，使目標(biāo)函數(shù)值最小的組合優(yōu)化問題 典型的優(yōu)化問題： 旅行商問題（Traveling Salesman Problem，TSP） 加工調(diào)度問題（Scheduling Problem） 背包問題（Knapsack Problem） 裝箱問題（Bin Packing Problem）等 “人工神經(jīng)

2、網(wǎng)絡(luò)”(ARTIFICIAL NEURAL NETWORK，簡稱 ANN)是在對人腦組織結(jié)構(gòu)和 運行機制的認(rèn)識理解基礎(chǔ)之上模 擬其結(jié)構(gòu)和智能行為的一種工程 系統(tǒng)。 它的神經(jīng)元結(jié)構(gòu)，它的構(gòu)成與作 用方式都是在模仿人腦，但是也 僅僅是粗糙的模仿，遠(yuǎn)沒有達(dá)到 完美的地步。和馮諾依曼機不同，神經(jīng)網(wǎng)絡(luò)計算非數(shù)字， 非精確，高度并行，并且有自學(xué)習(xí)功能。 人工神經(jīng)網(wǎng)絡(luò)是由大量的神經(jīng)元廣泛互連而成的系統(tǒng)，它的這一結(jié)構(gòu)特點決定著人工神經(jīng)網(wǎng)絡(luò)具有高速信息處理的能力。 人工神經(jīng)網(wǎng)絡(luò)的知識存儲容量很大。 由于人工神經(jīng)網(wǎng)絡(luò)中神經(jīng)元個數(shù)眾多 以及整個網(wǎng)絡(luò)存儲信息容量的巨大， 使得它具有很強的不確定性信息處理 能力。 正是

3、因為人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特點和其信息存儲的分布式特點，使得它相對于其它的判斷識別系統(tǒng)，如：專家系統(tǒng)等，具有另一個顯著的優(yōu)點：健壯性。 人工神經(jīng)網(wǎng)絡(luò)是一種非線性的處理單元。 遺傳算法（Genetic Algorithms ）是基于生物進(jìn)化理論的原理發(fā)展起來的一種廣為應(yīng)用的、高效的隨機搜索與優(yōu)化的方法。 其主要特點是群體搜索策略和群體中個體之間的信息交換，搜索不依賴于梯度信息。 近幾年來，遺傳算法主要在復(fù)雜優(yōu)化問題求解和工業(yè)工程領(lǐng)域應(yīng)用方面，取得了一些令人信服的結(jié)果，所以引起了很多人的關(guān)注。 禁忌搜索（Tabu Search或Taboo Search，簡稱TS）的思想最早由Glover(1986)提

4、出，它是對局部領(lǐng)域搜索的一種擴展，是一種全局逐步尋優(yōu)算法，是對人類智力過程的一種模擬。 TS算法通過引入一個靈活的存儲結(jié)構(gòu)和相應(yīng)的禁忌準(zhǔn)則來避免迂回搜索，并通過藐視準(zhǔn)則來赦免一些被禁忌的優(yōu)良狀態(tài)，進(jìn)而保證多樣化的有效探索以最終實現(xiàn)全局優(yōu)化。 迄今為止，TS算法在組合優(yōu)化、生產(chǎn)調(diào)度、機器學(xué)習(xí)、電路設(shè)計和神經(jīng)網(wǎng)絡(luò)等領(lǐng)域取得了很大的成功，近年來又在函數(shù)全局優(yōu)化方面得到較多的研究，并大有發(fā)展的趨勢。 基本思想： 考慮最優(yōu)化問題，對于X中每一個解x，定義一個鄰域N(x)，禁忌搜索算法首先確定一個初始可行解x 然后從鄰域移動中挑選一個能改進(jìn)當(dāng)前解x的移動，s(x)，再從新解x開始，重復(fù)搜索 如果鄰域移動中

5、只接受比當(dāng)前解x好的解，搜索就可能陷入循環(huán)的危險 禁忌表中存放剛剛進(jìn)行過的(稱為禁忌表長度)個鄰域移動，在以后的T次循環(huán)內(nèi)是禁止的，以避免回到原先的解，T次以后釋放該移動 當(dāng)?shù)鷥?nèi)所發(fā)現(xiàn)的最好解無法改進(jìn)或無法離開它時，則算法停止 模擬退火算法（Simulate Anneal Arithmetic，SAA）是一種通用概率演算法，用來在一個大的搜尋空間內(nèi)找尋命題的最優(yōu)解。模擬退火算法來源于固體退火原理，將固體加溫至充分高，再讓其徐徐冷卻，加溫時，固體內(nèi)部粒子隨溫升變?yōu)闊o序狀，內(nèi)能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達(dá)到平衡態(tài)，最后在常溫時達(dá)到基態(tài)，內(nèi)能減為最小。 模擬退火的原理也和金屬退火

6、的原理近似：將熱力學(xué)的理論套用到統(tǒng)計學(xué)上，將搜尋空間內(nèi)每一點想像成空氣內(nèi)的分子；分子的能量，就是它本身的動能；而搜尋空間內(nèi)的每一點，也像空氣分子一樣帶有“能量”，以表示該點對命題的合適程度。演算法先以搜尋空間內(nèi)一個任意點作起始：每一步先選擇一個“鄰居”，然后再計算從現(xiàn)有位置到達(dá)“鄰居”的概率。 模擬退火算法是解決TSP問題（旅行商問題）的有效方法之一。 除了以上介紹的以外，智能算法還有模糊算法，群集智能算法等。 由于我們實驗室對以上的智能算法涉及不多，所以下面結(jié)合我們實驗室的研究方向，給出兩個實例。 模糊控制在科氏質(zhì)量流量計中的應(yīng)用 基于磁場重構(gòu)的腦磁源參數(shù)反解方法研究. 研究背景研究背景:科

7、氏流量計原理科氏流量計原理一次儀表：二次儀表：機械、振動系統(tǒng)機械、振動系統(tǒng)測量、控制系統(tǒng)測量、控制系統(tǒng)科氏流量計工作原理 質(zhì)量流量與上下游相位差成正比！質(zhì)量流量質(zhì)量流量測量精度測量精度0.1%流量零點漂移（液體）0.35%流量零點漂移（液體）密度測量精度密度測量精度0.0005克/立方厘米測量性能：1.很多研究表明，振幅穩(wěn)定是科氏流量計精確計量的基礎(chǔ)；3.當(dāng)測量管內(nèi)流體狀況變化時，需相應(yīng)調(diào)整驅(qū)動增益值，以更快地穩(wěn)定測量管的振幅?，F(xiàn)在普遍采用PID算法調(diào)節(jié)驅(qū)動增益；2.現(xiàn)在普遍采用正反饋驅(qū)動電路，即檢測電磁鐵信號乘以一個驅(qū)動增益后，輸入到驅(qū)動電磁鐵中；4.要實現(xiàn)最優(yōu)的控制效果，就需要根據(jù)當(dāng)前工況

8、，試湊出一套較優(yōu)化的P、I、D參數(shù)；. 研究背景研究背景:模糊模糊PID調(diào)節(jié)振幅的背景調(diào)節(jié)振幅的背景5.但是，現(xiàn)在實際的科氏流量計中所采用的PID算法，其P、I、D的各個參數(shù)，都是固定在二次儀表中的。無法根據(jù)工況的變化，在線整定控制參數(shù)；6.現(xiàn)在的固定參數(shù)的PID，面對變化的工況，會存在起振時間長、超調(diào)大、起振后不夠穩(wěn)定等問題；. 模糊控制介紹模糊控制介紹:總體方案總體方案隸屬度函數(shù)：精確值與模糊值之間的規(guī)則假設(shè)：精確值區(qū)間（-20）對應(yīng)的模糊階段為“差” 精確值區(qū)間（-11）對應(yīng)的模糊階段為 “中” 精確值區(qū)間（02）對應(yīng)的模糊階段為 “好”精確值：-2、-1、0、1、2等精確的數(shù)值模糊值：

9、“差”、“中”、“好” 三個模糊的階段. 模糊控制介紹模糊控制介紹:模糊化的過程模糊化的過程假設(shè)：輸入的精確值為-0.2，那么，該精確值經(jīng)過模糊化以后得到的結(jié)果是什么呢？模糊化的過程：精確值向模糊值的轉(zhuǎn)變 從上圖可以看出，輸入的精確值-0.2經(jīng)過模糊化以后，“差”這個階段的隸屬度為25%，“中”這個階段的隸屬度為75%. 模糊控制介紹模糊控制介紹:模糊化的過程模糊化的過程模糊推理規(guī)則：規(guī)則一：If “服務(wù)差”，then “小費少”規(guī)則二：If “服務(wù)中”，then “小費中”規(guī)則三：If “服務(wù)好”，then “小費多” 根據(jù)“規(guī)則一”做出的推斷： 根據(jù)“規(guī)則二”做出的推斷：. 模糊控制介紹模

10、糊控制介紹:模糊推理的過程模糊推理的過程根據(jù)“重心法”解模糊化，得出小費應(yīng)該給7.6元的結(jié)論。合并圖形合并圖形. 模糊控制介紹模糊控制介紹:解模糊的過程解模糊的過程增量式PID. 模糊控制在科氏流量計中的應(yīng)用模糊控制在科氏流量計中的應(yīng)用輸入輸出E當(dāng)前幅值與設(shè)定幅值之間的差值Kp用以調(diào)節(jié)比例控制參數(shù)KpECE的變化率，對時間求導(dǎo)Ki用以調(diào)節(jié)積分控制參數(shù)KiKd用以調(diào)節(jié)微分控制參數(shù)Kd模糊規(guī)則的制定： 誤差變化情況結(jié)合PID各個參數(shù)的控制效果制定模糊規(guī)則1.E*EC0時，誤差正變大，如果此時E很大，則應(yīng)調(diào)大Kp，提高動態(tài)特性，調(diào)小Ki，提高穩(wěn)定性；如果此時E很小，則應(yīng)調(diào)大Ki，調(diào)小Kp，以提高穩(wěn)定

11、性，防止出現(xiàn)超調(diào)2.E*EC0時，誤差正變小，如果此時E很大，則Kp應(yīng)調(diào)中， Ki應(yīng)調(diào)小，維持動態(tài)特性現(xiàn)狀的同時，提高穩(wěn)定性；如果此時E很小，說明調(diào)整已快接近尾聲，則應(yīng)調(diào)大Ki，調(diào)小Kp，以防止出現(xiàn)超調(diào)3.EC越大，則Kp、Ki應(yīng)越小，否則很容易形成振蕩4.。等等類似的原則。. 模糊控制在科氏流量計中的應(yīng)用：模糊控制在科氏流量計中的應(yīng)用：模糊規(guī)則的制定模糊規(guī)則的制定管內(nèi)純水勻速管內(nèi)純水勻速流動（無氣泡）流動（無氣泡）管子入口端管子入口端混入氣泡混入氣泡管子出口端管子出口端排除氣泡排除氣泡. 實驗結(jié)果：實驗結(jié)果：模糊PID固定PID. 仿真結(jié)果：仿真結(jié)果： 以上是模糊控制在科氏質(zhì)量流量計中的應(yīng)用

12、 下面介紹一下基于磁場重構(gòu)的腦磁源參數(shù)反解方法研究 主要分為以下三方面的內(nèi)容：p 用于腦控裝備的大腦活動信號生理學(xué)基礎(chǔ)用于腦控裝備的大腦活動信號生理學(xué)基礎(chǔ) 及研究現(xiàn)狀及研究現(xiàn)狀p 基于磁場重構(gòu)的腦磁源反解方法初步研究基于磁場重構(gòu)的腦磁源反解方法初步研究p 小結(jié)小結(jié)p 用于腦控裝備的大腦活動信號用于腦控裝備的大腦活動信號生理學(xué)基礎(chǔ)及研究現(xiàn)狀生理學(xué)基礎(chǔ)及研究現(xiàn)狀 利用腦電信號利用腦電信號實現(xiàn)大腦對機械實現(xiàn)大腦對機械手控制手控制軍事、醫(yī)療、通訊等軍事、醫(yī)療、通訊等p 通過破解大腦思維信號與人類活動之間通過破解大腦思維信號與人類活動之間的映射關(guān)系，實現(xiàn)腦機接口控制的映射關(guān)系，實現(xiàn)腦機接口控制腦控裝備的

13、實現(xiàn)腦控裝備的實現(xiàn)思維思維腦活動信號腦活動信號裝備控制裝備控制大腦活動信號的生理學(xué)基礎(chǔ)大腦活動信號的生理學(xué)基礎(chǔ)大腦思維大腦思維人體新陳代謝人體新陳代謝環(huán)境變化環(huán)境變化內(nèi)部及外部調(diào)節(jié)內(nèi)部及外部調(diào)節(jié)產(chǎn)生刺激產(chǎn)生刺激相應(yīng)神經(jīng)沖動相應(yīng)神經(jīng)沖動的電化學(xué)反應(yīng)的電化學(xué)反應(yīng)腦電活動的電腦電活動的電磁場表現(xiàn)磁場表現(xiàn)腦電信息腦電信息腦磁信息腦磁信息腦磁腦磁：SQUID 腦磁信號微弱，約地磁場的十億分腦磁信號微弱，約地磁場的十億分之一（之一（10100fT），設(shè)備體型巨龐大且），設(shè)備體型巨龐大且價格昂貴；價格昂貴； 腦控指令的準(zhǔn)確獲取仍需在目前測腦控指令的準(zhǔn)確獲取仍需在目前測量通道數(shù)有限的情況下進(jìn)一步提高神經(jīng)量通道

14、數(shù)有限的情況下進(jìn)一步提高神經(jīng)元活動判定的空間分辨率元活動判定的空間分辨率腦電腦電： 非侵入式非侵入式(腦電圖腦電圖)：無 創(chuàng) 傷 ， 高 時 間 分 辨 率無 創(chuàng) 傷 ， 高 時 間 分 辨 率(1ms);受組織電導(dǎo)率非均一受組織電導(dǎo)率非均一性影響，信號失真較大，性影響，信號失真較大，空間信息分辨率低空間信息分辨率低(1cm)用于腦控裝備的大腦活動信號及獲取手段用于腦控裝備的大腦活動信號及獲取手段fMRI、PET等等： 非侵入式，非侵入式，具有較好具有較好的 空 間 分 辨 率的 空 間 分 辨 率 （ 約（ 約1mm），但是由于采用，但是由于采用間接測量手段，其時間分間接測量手段，其時間分辨

15、率較低辨率較低(約約1min1s) 侵入式侵入式(腦皮層電圖腦皮層電圖)：高時間高時間(5ms)、空間、空間(1mm)分辨率，信號強度高分辨率，信號強度高;但空但空間點信息的非完整讀寫，有間點信息的非完整讀寫，有創(chuàng)傷，對生物組織易傷害創(chuàng)傷，對生物組織易傷害 非侵入式，較高的安全性；組織磁非侵入式，較高的安全性；組織磁導(dǎo)率均一，腦磁信號幾乎無失真，空導(dǎo)率均一，腦磁信號幾乎無失真，空間分辨率高（約間分辨率高（約2-4mm）；對腦神經(jīng)）；對腦神經(jīng)活動的直接測量，良好的時間分辨率活動的直接測量，良好的時間分辨率（約（約1ms）測量傳感器技術(shù)的發(fā)展腦控信息反演方法的改進(jìn)基于等效偶極子定位方法基于等效偶極

16、子定位方法：采用腦磁源的電流偶極子數(shù)學(xué)模型*，通過非線性優(yōu)化方法求解頭外測量點磁場分布與磁源模型位置、偶極矩強度、指向等六個參數(shù)的非線性方程組，確定磁源狀態(tài)參數(shù)，實現(xiàn)腦磁源定位?；趫D像技術(shù)的磁源重建基于圖像技術(shù)的磁源重建：將腦磁源可能分布的區(qū)域離散成多個網(wǎng)格，假設(shè)每個網(wǎng)格節(jié)點代表一個電流偶極子，通過求解磁源強度與頭外磁場分布的線性方程組，對離散化網(wǎng)格進(jìn)行磁源重建。缺點：缺點：重建依據(jù)二維平面信息，空間重構(gòu)效果欠佳基于腦磁信號的腦活動源反解研究現(xiàn)狀基于腦磁信號的腦活動源反解研究現(xiàn)狀* Brazier MAB. A study of the electrical field at the sur

17、face of the head J. Electroencephalografy and clinical neurophysiology. 1949(2): 38-52.p 基于磁場重構(gòu)的腦磁源反解基于磁場重構(gòu)的腦磁源反解方法初步研究方法初步研究基于磁場重構(gòu)的腦磁源反解方法初步研究基于磁場重構(gòu)的腦磁源反解方法初步研究雖然目前腦磁測量是在雖然目前腦磁測量是在屏 蔽 室 中 ， 利 用 高 精 度屏 蔽 室 中 ， 利 用 高 精 度SQUID（10fT）實現(xiàn)，然而）實現(xiàn)，然而測量數(shù)據(jù)中仍不可避免的夾測量數(shù)據(jù)中仍不可避免的夾雜有雜有噪聲噪聲，此外，此外非線性的反非線性的反解算法解算法同樣帶來結(jié)

18、果的不確同樣帶來結(jié)果的不確定性，需要對反解結(jié)果進(jìn)行定性，需要對反解結(jié)果進(jìn)行概率統(tǒng)計概率統(tǒng)計上的評估。上的評估。屏蔽室屏蔽室信號處理設(shè)備信號處理設(shè)備SQUID更大的置信空間更大的置信空間更高的空間分辨率更高的空間分辨率 非線性反解優(yōu)化算法的提出：非線性反解優(yōu)化算法的提出： LM算法、模擬退火算法等算法、模擬退火算法等 信號處理方法及硬件設(shè)備的改進(jìn)：信號處理方法及硬件設(shè)備的改進(jìn)： 多重信號分類方法、波束形成方法等多重信號分類方法、波束形成方法等 測量通道數(shù)的增加，更多的反解樣本點：測量通道數(shù)的增加，更多的反解樣本點： Elekta公司生產(chǎn)的公司生產(chǎn)的306通道通道MEG系統(tǒng)系統(tǒng) 基于磁場重構(gòu)的腦磁

19、源反解方法初步研究基于磁場重構(gòu)的腦磁源反解方法初步研究基于磁場重構(gòu)的磁源反解方法基于磁場重構(gòu)的磁源反解方法電流偶極子電流偶極子測量值高階噪聲信高階噪聲信號的過濾作用號的過濾作用以頭表腦磁場測量值為邊界條件以頭表腦磁場測量值為邊界條件的空間腦磁場重構(gòu)的空間腦磁場重構(gòu)頭表腦磁場分布的測量頭表腦磁場分布的測量更多的腦磁更多的腦磁信息樣本點信息樣本點更高的反解磁源空間分辨率更高的反解磁源空間分辨率 頭模型：頭模型：球?qū)ΨQ導(dǎo)體球?qū)ΨQ導(dǎo)體模型模型 (R=0.085m) 腦磁源：腦磁源：瞬時單電偶極子瞬時單電偶極子模型模型基于等效偶極子的腦磁源反解數(shù)學(xué)模型基于等效偶極子的腦磁源反解數(shù)學(xué)模型 B(r)：電偶極

20、子激發(fā)磁場強度 Q：電偶極矩 r0：電偶極子位置坐標(biāo) 反解準(zhǔn)則：反解準(zhǔn)則：最小二乘最小二乘法則法則 P：關(guān)于待求解電偶極子參數(shù)的目標(biāo)函數(shù) GBi：腦磁場的測量值 Bi：基于數(shù)學(xué)模型的測量點腦磁場強度計算準(zhǔn)確值* Sarvas, J.Basic mathematical and electromagnetic concepts of the biomagnetic inverse problem. Phys. Med. Biol. 1987(32): 11-22.基于磁場重構(gòu)的腦磁源反解方法初步研究基于磁場重構(gòu)的腦磁源反解方法初步研究邊界上重構(gòu)效果 B(i)：測量點腦磁計算真實值 recB(i)

21、：測量點腦磁重構(gòu)值基于數(shù)學(xué)模型的測量點腦磁計算基于數(shù)學(xué)模型的測量點腦磁計算真實值與重構(gòu)值誤差真實值與重構(gòu)值誤差基于磁場重構(gòu)的磁源反解方法基于磁場重構(gòu)的磁源反解方法數(shù)值仿真驗證數(shù)值仿真驗證基于數(shù)學(xué)模型的測量點位置計算準(zhǔn)確值:B(i)添加高斯白噪聲的測量點位置實際測量值:Bm(i)以Bm (i)為邊界條件的頭外部空間腦磁重構(gòu)值:Brec(i)設(shè)定磁源位置(a)頭表腦磁場測量數(shù)據(jù)頭表腦磁場測量數(shù)據(jù)基于磁場重構(gòu)的腦磁源反解方法初步研究基于磁場重構(gòu)的腦磁源反解方法初步研究 磁場重構(gòu)的濾波效果仿真驗證磁場重構(gòu)的濾波效果仿真驗證(b)(b)測量點的腦磁場重構(gòu)數(shù)據(jù)測量點的腦磁場重構(gòu)數(shù)據(jù)(c)(c)基于數(shù)學(xué)模型的腦磁場計算真實數(shù)據(jù)基于數(shù)學(xué)模型的腦磁場計算真實數(shù)據(jù) 經(jīng)過重構(gòu)對腦磁信息的重組，經(jīng)過重構(gòu)對腦磁信息的重組，實現(xiàn)對夾雜噪聲信號的實現(xiàn)對夾雜噪聲信號的過濾作用過濾作用，腦磁場分布變連續(xù)。腦磁場分布變連續(xù)。 基于樣本信息增多效果仿真驗證基于樣本信息增多效果仿真驗證基于磁場重構(gòu)的腦磁源反解方法初步研究基于磁場重構(gòu)的腦磁源反解方法初步研究 傳感器傳感器(270個個)測量數(shù)據(jù)為邊界條件測量數(shù)據(jù)為邊界條件 加密后加密后傳感器傳感器(3600(3600個個) )測量數(shù)據(jù)為邊界條件測量數(shù)據(jù)為邊界條件基于最小二乘準(zhǔn)則的反解結(jié)果顯示，通過增加頭表腦磁場分布數(shù)據(jù) 反解效果優(yōu)于